我国现如今的油田企业面临着巨大的竞争和挑战, 一是各种石油公司越来越多, 从过去的垄断性行业变得具有强烈的竞争性;二是开发难度的加大以及资源的限制, 老油田的生产节奏已经稳定, 不适合继续开发, 新油田则处于产量较少的阶段, 技术成本和生产成本都较高。在这种情况下, 要提高企业的核心竞争力, 就应该从企业的成本入手, 通过对成本的预测以及决策来控制它, 尽量减少多余的支出。
1数据挖掘技术
数据挖掘是指从大量历史数据中, 提取出隐藏在其中的用户需要的信息的过程。根据其作用, 可以分为描述和预测, 本文用到的是数据挖掘的预测功能, 即:基于时间序列, 通过对历史数据的挖掘, 达成对未来数据的预测。
进行数据挖掘的常用方法包括:统计、遗传算法、关联法则、聚类分析等。通过数据挖掘可以实现估计和预测, 由于它可以利用程序算法在海量的数据库中自动寻找潜在的有用信息, 因此被应用于成本决策系统中。除此之外, 数据挖掘还可以实现聚类、偏差检查、关联和序列发现等功能, 在销售、银行、交通、制造等各个领域都有广泛的运用。
目前, 国内数据挖掘在成本预测和决策系统中的应用主要分为以下三种:一是基于数据仓库的预测和决策;二是基于管理信息系统基础库报表和查询的预测和决策;三是基于ERP系统数据的预测和决策。不同应用领域采取的数据挖掘方法也有所不同。
2决策支持系统及其系统组成
决策支持系统是建立在运筹学和传统管理信息系统的理论基础上的信息系统分支, 它在发展过程融合了许多不同学科, 应用领域相当广泛。在上个世纪90年代, 决策支持系统通过将数据仓库、联机分析处理 (OLAP) 和数据挖掘等新技术结合起来, 形成了新的综合模式。
所谓数据仓库, 即一个稳定的、大规模集成的、记录各种历史数据的集合。通过数据仓库, 不仅可以管理集成综合后的数据, 还可以通过将数据呈现给联机分析处理工具和数据挖掘工具, 满足用户的分析决策需求。
联机分析是根据特定问题, 共享多维信息并对联机数据进行快速访问和分析的技术。通过联机数据分析, 可以实现原始数据的转化, 让各种用户获得对数据更深入的了解。联机分析技术具有多维度、存取分析快速、可进行逻辑和统计分析以及可获得并管理大量信息等特点。
3油田成本决策系统的应用
油田企业在计算成本时不同于其他行业, 采用的是全部成本法或者成果法, 这就使得石油经营的每个阶段支出都要作为成本的一部分, 从采矿权获取阶段, 到勘探阶段, 到开发阶段再到生产阶段的成本, 都要计入其中。我国的油田成本决策发展起步较晚, 虽然速度已经不慢, 但相对来看仍比较滞后。
从已有的应用成果来看, 目前主要有两种, 一是基于油田操作成本的预测, 一是对油田开采成本的预测分析。油田操作成本是指运行和维护油井及相关设备的支出, 油田开采成本是指生产过程中的操作成本以及折耗等。在这两种情况中, 主要是利用数字挖掘技术基于关系数据库的报表和查询进行成本的分析和预测。
当然, 在不断的探索中, 部分企业在成本预测的方向上也取得了一定的经验, 并且进行了相对成熟的运用。新疆的油田分公司就应用了回归预测模型和灰色预测模型, 对油田的操作成本进行预测, 在一定程度上实现了对这部分成本的控制。此外, 专家还利用数字挖掘技术, 在基于关系数据库管理信息系统的基础上, 研究出了一套油田财务管理系统, 一定程度上也实现了油田成本的管理。
我国的油田成本决策系统目前来说现状主要有以下几点特点:首先是功能仍旧比较单一, 仅仅只能完成对某种单一的成本的预测, 如操作成本、开采成本, 并不能对整个经营过程的成本进行全面的预测和决策。其次, 我国的采取的决策系统大部分都是基于报表、查询或ERP系统数据, 应用的技术也较为单一。最后是各企业进行油田的控制和管理时, 在油田成本管理的理论技术上相对落后, 在决策支持系统上面的开发研究急需加快。
4 结语
要将数据挖掘技术更好地运用于油田成本决策系统中, 需要企业和技术人员的共同努力。油田成本的预测和决策系统发展是一个长期的过程, 建立生产数据仓库, 深度开发石油数据挖掘技术, 开发和改进新的系统, 最后实现系统功能的全面化, 这条发展之路任重道远。
摘要：随着社会主义市场经济的高速发展, 企业与企业间的竞争愈发激烈, 油田市场也不例外。企业需要改革创新, 充分利用在长期的过程中积累下来的各种信息, 通过对油田成本的预测和决策控制成本。本文简单介绍了数据挖掘技术的相关内容, 重点对决策系统在控制油田成本的应用上做出了论述。
关键词：数据挖掘,油田成本,决策系统,研究
参考文献
[1] 杨佩花.浅析油田成本费用的控制[J].经济师, 2010, 11:174-175.
[2] 王洪群.数据挖掘的油田成本决策系统研究[J].电脑开发与应用, 2011, 04:47-50.
[3] 王洪群.基于数据挖掘的油田成本决策系统研究与应用[D].东北石油大学, 2011.